美文网首页
influxdb内存占用大的原因分析（源码篇）

influxdb内存占用大的原因分析（源码篇）

作者: 数齐 | 来源:发表于2024-09-11 08:34 被阅读0次

    背景

    influxdb是一款开源的高性能时序数据库。在我们SEE监控模块是必备组件，主要用于帮助我们快速地存储、查询和分析这些数据。虽然我们享受到influxdb带来的诸多益处，但是很多客户会反馈相较于其他应用influxdb的内存占用实在是太大了，今天我们进来系统的分析一下。

    分析过程

    通过TOP命令，分析内存占用的总体情况

    我们可以看到influxdb这个进程中目前VIRT是15G，RES是6.2G，SHR是6.1G。那么我们需要弄清楚这三个指标分别代表了什么

    VIRT：一个进程地址空间的总大小，包括代码段、数据段（包括堆和栈）、共享库、映射文件等。它反映了进程可寻址的虚拟内存空间大小。也就是是程序向操作系统申请的空间大小，但是不一定会完全被占用，只是一个理论值。

    RES:  指的是进程当前在RAM中使用的内存大小，也就是常驻内存的大小。RES包括了所有的程序指令、数据以及共享库等在内，但不包括被交换出去的内存。

    SHR: 表示共享内存或共享库的大小。在 Linux 系统中，共享内存是多个进程可以同时访问的一段内存区域，多个进程可以通过映射同一个共享内存区域来实现进程间通信。而共享库则是多个进程可以共享的动态链接库，在内存中只需要加载一份共享库，就可以在多个进程中重复使用，从而减少了内存的占用。

    RES=SHR+程序自身内存占用（堆栈相关内存占用），通过上图的TOP来看，常驻内存中大部分都是共享内存，那么到底共享了什么？

    通过smaps，确定共享内存中的内容

    通过查看/proc/pid/smaps来确定具体的内存占用

    我们主要关注里面的Size、Rss字段，分别代表了申请的内存空间的大小以及真实占用内存的大小，发现那些占用大的内存快，基本上来自xxx.tsm文件，可能通过下面的方式看起来更直观一点：

    cat /proc/228347/smaps | sed -n '/see/,+2p' | grep -v 'Size:' | sed 's/\ kB//' | awk '{print $NF}' | awk 'BEGIN{i=-1}{i++;a[i]=$0}END{for(k=0;k<length(a);k=k+2) {if(a[k+1]/1000>10){m+=a[k+1]/1000;print a[k],a[k+1]/1000,m}}}'

    因为这些tsm文件导致的常驻内存的大小就有6.1G，这还只是筛选出大于10M的那些数据文件，总的应该会更多。那么问题来了，influxdb为什么会将这些文件引入内存?

    高性能利器-mmap

    mmap（memory mapped file）是一种内存映射文件的机制，它可以将文件映射到进程的地址空间中，使得文件的内容在内存中像数组一样被访问。在Linux和UNIX系统中，mmap函数允许进程把一个文件或者其他对象映射到它的进程空间，从而实现文件内容与虚拟内存之间的映射。使用mmap函数映射文件可以提高文件读取速度，减少IO开销，特别是对于大文件的读取操作。当文件被映射到进程的虚拟地址空间中时，进程可以像访问内存一样访问文件中的内容，而不需要进行系统调用读取磁盘上的数据。

    我们都知道influxdb为了保证数据可靠性会将数据落盘，为了保证查询的效率足够高，他也利用了mmap技术将数据文件tsm进行了内存映射，使得influxdb可以像操作内存一样操作数据文件，避免了传统模式那种多次上下文切换带来的功能损耗，从而让influxdb性能更优。本文结合influxdb 1.8.4的源码进行此过程的梳理

    a. influxdb启动时会调用文件存储层打开对于文件等的引用

    b.创建文件的阅读器

    c.阅读器的初始化

    d.文件的mmap操作进行内存映射

    mmap函数会将指定的文件区域映射到进程的地址空间中，它会在虚拟地址空间中分配一段连续的地址，并将这段地址映射到指定的文件区域中。这个操作是真正占用进程的虚拟内存的，但是在内存实际分配之前，这部分虚拟内存是不会被物理内存占用的，只有在程序访问这部分虚拟内存时，操作系统才会将其对应的物理内存分配出来，从而使得虚拟内存真正占用物理内存。因此，mmap 操作并不是直接占用内存，而是分配好虚拟内存地址。所以mmap()调用会增加进程的虚拟内存空间，因此VIRT会增大，但是并不会直接占用物理内存，因此RES不会变。实际的物理内存映射会在访问映射区域时发生，此时才会将数据载入物理内存并增加进程的实际内存使用量。那么哪些操作会将数据加入到物理内存呢？

    查询数据阶段：当用户执行查询操作时，InfluxDB需要读取磁盘上的数据文件，并将其映射到虚拟地址空间中以进行数据的查询和处理。这时操作系统会将相关的内存页加载到内存中，然后将其映射到进程的虚拟地址空间中，供应用程序访问。

    写入数据阶段：当用户写入数据时，InfluxDB需要将数据写入到磁盘上的数据文件中。如果数据文件已经被映射到虚拟地址空间中，那么写入数据的过程也会访问被映射的虚拟地址。写入数据时，操作系统会将修改后的内存页标记为已修改，然后在适当的时候将其写回到磁盘上的数据文件中。

    压缩&合并数据阶段：当 InfluxDB 执行数据压缩操作时，它需要读取磁盘上的数据文件，并将压缩合并后的数据写入到新的数据文件中。这个过程也会访问被映射的虚拟地址，类似于查询数据阶段。压缩数据时，InfluxDB 会根据配置的策略来判断哪些数据需要被压缩，压缩后的数据会被写入新的数据文件中，并替换旧的数据文件。

    回溯TOP中内存指标

    基于上面的分析，我们可以对TOP中的VIRT、RES、SHR 这三个的值进行分析验证：

    VIRT：虚拟内存大小，在TOP中显示的值是15G。我们通过上面的mmap分析，在influxdb启动时会进行内存映射，将数据文件映射进内存，虽然不会增加常驻内存的大小，但是会直接影响虚拟内存，而我们磁盘文件的大小是14G

    这个值再加上influxdb自身的堆栈以及其他的共享库文件的占用，基本上为15G。

    SHR:共享内存大小，在TOP中显示的值是6.1 G。上文我们就通过smaps拿到了映射进入内存的文件的大小是6.1G，基本上是一致的。

    RES：常驻内存大小，在TOP中显示的值是6.2G。自身堆栈的占用可以通过influx工具进入查询。

    自身堆栈占用大小计算：HeapInUse + (HeapIdle - HeapReleased) = 146890752+(175284224-164610048)=146890752+10674176=157564928=0.15G

    RES=SHR+自身堆栈占用=6.1G+0.15G=6.15G，这个值四舍五入和6.2G是持平的。

    结论

    influxdb内存占用大，主要是因为利用了mmap对数据文件进行内存映射。另外为了提升查询性能，在内存中构建了大量的索引帮助快速定位数据等。

    参考文档

    influxdb内存消耗分析及性能优化【追踪篇】

    influxdb内存消耗分析及性能优化【探索篇】

    influxdb官方文档

    相关文章

      网友评论

          本文标题：influxdb内存占用大的原因分析（源码篇）

          本文链接：https://www.haomeiwen.com/subject/szauljtx.html

          延伸阅读

          深度阅读

          • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

          栏目导航

          热点阅读

          关于我们|服务条款|联系我们|influxdb内存占用大的原因分析（源码篇）|投稿指南|网站地图|RSS订阅|排版工具|手机版

          提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

          Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

          备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

          本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

          所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！